Wie gewichte ich Variablen mit Gower-Abstand in r

Question

Ich bin neu in R und arbeite an einem Datensatz mit nominalen, ordinalen und metrischen Daten. Deshalb benutze ich den Abstand. Im nächsten Schritt benutze ich diese Distanz mit hclust(x, method="complete"), um Cluster basierend auf dieser Distanz zu erstellen.

Jetzt möchte ich wissen, wie ich verschiedene Variablen in der Gower-Distanz verschiedene Gewichte setzen kann. Die Dokumentation sagt:

daisy(x, metric = c("euclidean", "manhattan", "gower"), stand = FALSE, type = list(), weights = rep.int(1, p)) 

So gibt es einen Weg, aber ich bin nicht sicher über die Syntax (weights = ...). Die Dokumentation von weights und rep.int, hat nicht geholfen. Ich fand auch keine andere hilfreiche Erklärung.

Ich wäre sehr froh, wenn jemand helfen kann.

Answer 1

nicht sicher, ob dies ist, was Sie bekommen an, aber ...

Angenommen, Sie 5 Variablen, z.B. 5 Spalten in Ihrem Datenrahmen oder Matrix. Dann wäre weights ein Vektor von length=5, der die Gewichte für die entsprechenden Spalten enthält.

Die Notation weights=rep.int(1,p) in der Dokumentation bedeutet einfach, dass der Standardwert von Gewichtungen ein Vektor der Länge p ist, der alle 1 hat, z. Die Gewichte sind alle gleich 1. An anderer Stelle in der Dokumentation wird erklärt, dass p die Anzahl der Spalten ist.

Beachten Sie auch, dass daisy(...) eine Unähnlichkeitsmatrix erzeugt. Dies verwenden Sie in hclust(...). Also, wenn x ist ein Datenrahmen oder eine Matrix mit fünf Spalten für Ihre Variablen, dann:

d <- daisy(x, metric="gower", weights=c(1,2,3,4,5)) 
hc <- hclust(d, method="complete") 

EDIT (Antwort auf OP Kommentare)

Der folgende Code zeigt, wie das Clustering auf die Gewichte abhängt.

clust.anal <- function(df,w,h) { 
    require(cluster) 
    d <- daisy(df, metric="gower", weights=w) 
    hc <- hclust(d, method="complete") 
    clust <- cutree(hc,h=h) 
    plot(hc, sub=paste("weights=",paste(wts,collapse=","))) 
    rect.hclust(hc,h=0.8,border="red") 

} 

df <- read.table("ExampleClusterData.csv", sep=";",header=T) 
df[1] <- factor(df[[1]]) 
df[2] <- factor(df[[2]]) 
# weights increase with col number... 
wts=c(1,2,3,4,5,6,7) 
clust.anal(df,wts,h=0.8) 

# weights decrease with col number... 
wts=c(7,6,5,4,3,2,1) 
clust.anal(df,wts,h=0.8)